文远知行自动驾驶路测超过 900 多天,积累了 280 万公里的自动驾驶里程,接待乘客近 9 万人次,并在黄埔区、广州开发区全对外开放运营 Robotaxi(自动驾驶出租车)超过 200 多天,零主动安全事故。接下来,集中处理最复杂、罕见的长尾场景,是实现全无人驾驶的关键。而在城中村,这种长尾场景随处可见。

中国城市的商业区建筑密度一般不会超过 40%-50%,而部分城中村的建筑密度最高可达 70% 。城中村中往往只有一两处宽度仅为 7 米的对外联系道路, 村内部道路多以房屋间距作为步道, 大多只有 2 ~ 4 米宽, 不仅行人,也行车,不设车道线和交通灯,各类私家车辆、路边小摊档直接停放在马路边,供车辆通行的空间极为狭窄。而一旦出村,地铁站、繁华商区的宽敞大路又会突然显现,村内外交通场景差异显著。

城中村内车多人杂,随时变化行进方向,对自动驾驶的预测算法造成了极大的挑战。对此,文远知行 WeRide ONE 采取的应对方式是:拥抱预测的不确定性。

文远知行在预测算法中强化了机器学习的模型。机器学习模型是基于大数据提取障碍物行进特征,反复进行模型训练,提升算法,提高预测准确率。

文远知行机器学习模型更突出的一个特点是,调整系统的交互思维。在自动驾驶车辆跟周围的车辆、行人动态互动时,会根据每一步的互动,在短时间内实时调整预测结果,而非死板地依赖于某一固定时刻的预测数据。同时,通过将预测与规划、决策和控制环节更好地衔接,提升了整个系统的稳定性,让车辆行驶更平稳。

达成共识:提高机器在人机博弈中的主动性

城中村交通规则退化,缺乏统一的交通规范,需要靠行人、车辆的 “共识” 来维持交通运转。机器如何与周围的障碍物和场景 “达成共识”?自动驾驶车辆不会讲话,是通过动作来传递信息。

在安全第一的准则下,文远知行的自动驾驶车辆会以礼让行人、车辆为优先考虑,在会车时,首先选择主动靠边让行。但是,在拥挤、繁忙的城中村街道,让行也可能导致车辆始终无法行进、卡死在原地的情况发生,适当地采取主动交互,以调整方向、速度等方式,给周围行人、车辆以信息,寻求新的共识。

达成共识是破解城中村交通的重中之重,是文远知行 WeRide ONE 最关注的技术提升点。

克服盲区:远处看得见,近处看得清

文远知行自主研发的自动驾驶传感器套件,能检测到远至 250 米范围内的所有道路和交通信息,360 度全覆盖四周各种障碍物,比人眼更精准、可靠地 “看” 到周围的物体,对障碍物进行检测、分辨、跟踪,最终形成对场景的正确理解。

但是在城中村拥挤的交通环境下,自动驾驶车辆在近距离检测方面面临巨大的挑战。自动驾驶车辆与周围物体的距离可以低至几厘米,“贴着” 障碍物行进的情况时有发生,需要自动驾驶车辆的最近检测距离几乎为 0 时,做到没有盲区。

为城市交通打造 Robotaxi 服务,需要具备在城市开放道路上灵活处理各类复杂交通问题的能力。这其中,对自动驾驶产生最大挑战的是违反交通规则、不按常理出招的车辆或行人,构成了自动驾驶技术发展至今,最难攻克的长尾场景。文远知行通过高强度、高密度的长尾场景训练,迭代算法,可以加速推进自动驾驶技术的成熟。

文远知行解决在城中村实现自动驾驶的问题,不仅可以在城市开放道路中更安全、自如、稳定地提供出行服务,还将有助去掉安全员,更快实现全无人驾驶运营服务的目标。